本論文では、メタ学習、中でもMAMLと呼ばれる手法を改良する。MAMLはタスク分布からサンプルしてきたタスクに共通する「良い重み初期値」を探索する手法である。しかし、全パラメータについて全タスクに共通する良い初期値が存在するとは限らない。本論文は、このようなタスク間の「衝突 (conflict)」が最適化を困難にすることを指摘、これを改善する手法 Learning to Forget を提案する。